numpy.ma.vstack

ma.vstack = <numpy.ma.extras._fromnxfunction_seq object>

按垂直方向(按行)顺序堆叠数组.

这等效于在形状为 (N,) 的一维数组被重塑为 (1,N) 之后,沿第一轴进行串联.重建由 vsplit 分割的数组.

此函数对于最多 3 个维度的数组最有意义.例如,对于具有高度(第一个轴),宽度(第二个轴)和 r/g/b 通道(第三个轴)的像素数据.函数 concatenate , stack 和 block 提供了更通用的堆叠和串联操作.

参数:

tupndarray 序列

除了第一轴外,数组必须具有相同的形状. 一维数组必须具有相同的长度. 对于单个 array_like 输入,它将被视为数组序列; 即,沿第零轴的每个元素都被视为一个单独的数组.

dtypestr 或 dtype

如果提供,目标数组将具有该 dtype.不能与 out 一起提供.

在 1.24 版本加入.

casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’},可选

控制可能发生的数据类型转换的种类.默认为"same_kind".

在 1.24 版本加入.

返回:

stackedndarray

通过堆叠给定数组形成的数组,将至少为2维.

参见

concatenate

沿现有轴连接数组序列.

stack

沿新轴连接数组序列.

block

从块的嵌套列表中组装一个 nd-array.

hstack

按水平方向(按列)顺序堆叠数组.

dstack

按深度方向(沿第三轴)顺序堆叠数组.

column_stack

将 1-D 数组作为列堆叠到 2-D 数组中.

vsplit

将数组垂直(按行)分割成多个子数组.

unstack

沿轴将数组分割成子数组的元组.

注释

该函数应用于 _data 和 _mask(如果存在).

示例

Try it in your browser!

>>> import numpy as np
>>> a = np.array([1, 2, 3])
>>> b = np.array([4, 5, 6])
>>> np.vstack((a,b))
array([[1, 2, 3],
       [4, 5, 6]])

>>> a = np.array([[1], [2], [3]])
>>> b = np.array([[4], [5], [6]])
>>> np.vstack((a,b))
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])

Go BackOpen In Tab